Accumulo：如何为高效查询索引数据？

Question

我需要一个高效的索引架构来存储警报。每个警报都具有以下属性：

alertId
时间戳
类型
位置

我需要执行以下查询：

在定义的日期范围内创建了多少警报？
在定义的日期范围内创建了多少个类型 X 的警报？
在定义的日期范围内从位置 Y 创建了多少警报？

我最初的想法是索引如下：

ROWID -> alertId_timestamp,
CF -> attribute (type, location),
CQ -> value

但是我认为查询性能对于我的#2 和#3 查询用例来说会很差。我应该如何索引我的数据？

Answer 1

如果您知道这些将是您唯一的查询，您可以这样插入数据：

RowID     |  CF    |  CQ    | Value 
Timestamp | "TYPE" | <type> | alertID
Timestamp | "LOC"  | <loc>  | alertID

是的，您正在插入数据 2x，但这是 "Big Data"，对，所以存储 space 应该不是什么大问题。您的所有查询都是基于时间的并且只是在进行计数，因此您应该将时间戳记作为您的 RowID，以便您可以对行执行 Range 并使用 [= 在 CF/CQ 上过滤您想要的内容13=] 或 .您也可以尝试将 CF/CQ 组合在一起，例如 "TYPE_Foo" 和 "LOC_Boston"，如果您知道您只会寻找特定的 types/locations，但这会限制如果您要查找 all/range 共 types/locations 个，请与您联系。请注意，您可能还想使用某种迭代器来进行服务器端聚合 Does Accumulo support aggregation?

Accumulo：如何为高效查询索引数据？

Accumulo: How to index data for efficient queries?

accumulo